Λογότυπο αποθετηρίου
 

Αξιολόγηση και ανάπτυξη νέων πολιτικών αντικατάστασης κρυφής μνήμης: η πολιτική Histogram-based LRU

dc.contributor.degreegrantinginstitutionΟικονομικό Πανεπιστήμιο Αθηνών, Τμήμα Πληροφορικήςel
dc.contributor.opponentΓουνόπουλος, Δημήτριοςel
dc.contributor.opponentΓκρίτζαλης, Δημήτριοςel
dc.contributor.thesisadvisorΚαλογεράκη, Βασιλικήel
dc.creatorΔρίβα, Ελένηel
dc.date.accessioned2025-03-13*
dc.date.available2025-03-26T19:15:43Z
dc.date.issued2025-03-12*
dc.date.issuedoriginal12-03-2025*
dc.date.submitted2025-03-13 19:06:44
dc.description.abstractΣτα σύγχρονα υπολογιστικά συστήματα με όλο αυξανόμενες απαιτήσεις για αποδοτικότητα και ταχύτητα, η αποδοτική ανάκτηση δεδομένων αποτελεί κρίσιμο παράγοντα. Η κρυφή μνήμη, ούσα περιορισμένης χωρητικότητας, καθιστά απαραίτητη τη σωστή επιλογή και διαχείριση των δεδομένων που θα παραμείνουν σε αυτήν. Η επιλογή αυτή πραγματοποιείται μέσω πολιτικών αντικατάστασης, με τον αλγόριθμο LRU (Least Recently Used) να αποτελεί έναν από τους πιο διαδεδομένους. Στόχος της παρούσης εργασίας είναι η ανάπτυξη μίας νέας πολιτικής αντικατάστασης κρυφής μνήμης Histogram-based LRU, με σκοπό την ορθότερη αξιολόγηση της χρησιμότητας των δεδομένων, βασισμένη στη χρονική εγγύτητα αλλά και στη συχνότητα προσπέλασης των δεδομένων, μετριάζοντας τους περιορισμούς που συνδέονται με την κλασική LRU. Αρχικά αποτελέσματα δείχνουν ότι μπορούμε να επιτύχουμε έως και 52.3% λιγότερα cache misses, άρα και να μειώσουμε το χρόνου απόκρισης του συστήματος συγκριτικά με την LRU.el
dc.description.abstractIn modern computing systems, where demands for efficiency and speed continue to rise, optimizing data retrieval is a critical challenge. Given the limited capacity of cache memory, it is essential to carefully select and manage the data that remain in the cache. This selection is governed by replacement policies, with the Least Recently Used (LRU) algorithm being one of the most widely adopted approaches.This study introduces the Histogram-based LRU, an enhanced variant of the LRU algorithm designed to improve data usefulness evaluation by incorporating both temporal locality and access frequency. By addressing key limitations of the traditional LRU, our approach aims to enhance cache performance. Preliminary results indicate that the proposed method can reduce cache misses by up to 52.3%, leading to an overall decrease in response time compared to the conventional LRU strategy.en
dc.embargo.expire2025-03-13 19:06:44
dc.embargo.ruleOpen access
dc.format.extent68σ.
dc.identifierhttp://www.pyxida.aueb.gr/index.php?op=view_object&object_id=11952
dc.identifier.urihttps://pyxida.aueb.gr/handle/123456789/2301
dc.identifier.urihttps://doi.org/10.26219/heal.aueb.4770
dc.languageel
dc.rightsCC BY: Attribution alone 4.0
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectΚρυφή μνήμηel
dc.subjectΠολιτικές αντικατάστασηςel
dc.subjectΙστόγραμμαel
dc.subjectCache memoryen
dc.subjectReplacement policiesen
dc.subjectHistogramen
dc.subjectLeast Recently Used (LRU)en
dc.subjectRedisen
dc.titleΑξιολόγηση και ανάπτυξη νέων πολιτικών αντικατάστασης κρυφής μνήμης: η πολιτική Histogram-based LRUel
dc.title.alternativeEvaluation and development of new cache replacement policies: the Histogram-based LRU policyen
dc.typeText

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Τώρα δείχνει 1 - 1 από 1
Φόρτωση...
Μικρογραφία εικόνας
Ονομα:
Driva_2025.pdf
Μέγεθος:
4.17 MB
Μορφότυπο:
Adobe Portable Document Format